[发明专利]一种基于尺度相位谱显著性的遥感图像兴趣区快速提取方法

说明书

本发明公开了一种基于尺度相位谱显著性的遥感图像兴趣区快速提取方法，在显著性特征图获取阶段，对遥感图像进行尺度变换，利用傅里叶变换获取变换后图像的相位谱并使用相位谱重建图像；利用生物视觉感知机制提高显著性特征图对比度，重复执行直到显著性特征图的对比度满足迭代终止条件后将显著性特征图变换到原图的尺度下；在区域提取阶段，使用多个阈值对显著性特征图二值分割，以在大阈值范围内保持不变的区域作为候选的显著性区域，去掉重复和重叠率高的显著性区域，余下的即为遥感图像感兴趣区；该方法利用图像的相位谱所表达的信息结合生物视觉感知机制，具有对感兴趣区域提取准确，计算效率高，适应性和抗干扰能力好的特点。

技术领域

本发明属于遥感图像处理技术领域，更具体地，涉及一种基于尺度相位谱显著性的遥感图像兴趣区快速提取方法。

背景技术

遥感图像背景复杂，干扰信息量大，直接在原图中检测目标较为复杂，在复杂的遥感图像中快速的剔除无关的背景区域并提取出可能包含目标感兴趣区域是提高遥感图像目标识别正确率的重要预处理手段。显著性特征计算是描述图像区域重要程度的重要手段；将显著性特征应用于遥感图像感兴趣区域提取是一种快速而有效的途径。

现有技术中基于深度学习的目标识别方法在大量的样本中通过其网络模型自动选择最能够代表目标本身的特征，深度学习的网络具有很强的拟合能力，对目标的旋转变化具有一定的不变性；但这类方法的成功依赖于样本丰富的信息以及巨大的样本数量；但在实际应用中，这类目标的检测识别大多数时候只能提供简单的图像数据源，不论是样本的质量上还是样本的数据量均很难满足要求，存在着运算量大，耗时长的问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于尺度相位谱显著性的遥感图像兴趣区快速提取方法，其目的在由此解决现有技术运算量大、耗时长的问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于尺度相位谱显著性的遥感图像兴趣区快速提取方法，包括如下步骤：

(1)对原遥感图像进行尺度归一化变换，对归一化后的图像进行傅里叶变换，获得频域图像；根据该频域图像获得原遥感图像的相位谱；

(2)通过将上述相位谱进行反傅里叶变换来重建获得原遥感图像的显著性特征图；

(3)使用加权DoG滤波算子对显著性特征图进行滤波，并将滤波后的结果与滤波前的显著性特征图叠加，获得叠加的显著性特征图；

(4)将上述叠加的显著性特征图作为滤波对象，重复步骤(3)，直到迭代的次数达到预设的上限，获得新显著性特征图；

(5)将步骤(4)获得的新显著性特征图变换到原遥感图像尺度下，获得原始尺度下的显著性特征图像；

(6)对原始尺度下的显著性特征图像进行多阈值的二值分割，得到多张二值图像；

统计各二值图像中的白色区域，将在阈值范围内保持形状稳定的区域提取出来，作为候选感兴趣区域；

其中，进行二值分割的阈值th＝t0,t0+δ,t0+2·δ,.....；本步骤中，阈值范围根据目标检测应用的场景确定，使得每次分割后，目标尽可能处于白色区域内；白色代表目标，黑色代表背景；

(7)根据候选感兴趣区域最外围的点的位置矩形化各候选感兴趣区域，获得多个重复的、重叠的显著性特征区域；通过对所述的多个显著性特征区域进行去重处理，获得原始遥感图像的感兴趣区域；

本步骤中，由于初始获得的显著性特征区域在区域的位置上存在重叠，不同区域之间彼此覆盖，去重处理的目的在于尽可能去掉重复出现的区域，使得各感兴趣区域尽量相互独立。

优选地，上述基于尺度相位谱显著性的遥感图像兴趣区快速提取方法，其步骤(1)包括如下子步骤：